音频开发 / 技术文章
AAC 和 Opus 怎么选才合适
选择视频音频编码时,真正需要解决的不是“哪个编码更先进”,而是同一套内容在转码、播放、分发和设备覆盖之间如何取舍。AAC 更适合强调终端兼容性的链路,Opus 更适合实时通信、低码率和现代 Web 场景;最终应根据播放端、封装格式、码率目标和业务场景决定。
AAC 和 Opus 的核心差异
AAC 和 Opus 都是有损音频编码,但设计目标并不完全相同。AAC 在消费级媒体生态中应用时间更长,围绕文件、流媒体、移动设备和硬件解码形成了广泛支持;Opus 则针对互联网语音与通用音频设计,能够覆盖较宽的码率和延迟场景。
对于视频业务,最重要的差异通常不是“同码率一定谁更好”,而是编码器、采样率、声道数、内容类型和播放环境共同决定实际效果。尤其在低码率下,语音和音乐的感知重点不同,不能只看一个固定的音频码率结论。
| 对比维度 | AAC | Opus |
|---|---|---|
| 典型定位 | 消费级媒体、视频点播、广播流 | 实时通信、Web 音频、低延迟场景 |
| 生态兼容性 | 历史悠久,设备与媒体链路覆盖广 | 现代浏览器和实时通信生态表现突出 |
| 低码率表现 | 可用于较低码率,但需结合内容调参 | 通常更适合低码率与语音类场景 |
| 实时通信 | 可以使用,但并非主要设计目标 | 针对低延迟和实时音频进行了设计 |
| 常见封装 | 视频常见 MP4,纯音频常见 M4A | 视频常见 WebM,纯音频常见 Ogg 或 WebM |
| 主要取舍 | 兼容性与现有媒体生态 | 灵活性、低延迟与现代 Web 场景 |
这里的“兼容性”要具体到播放链路,而不是只看浏览器。一个播放器可能支持某种编码,但你的目标设备、容器、硬件解码能力、DRM 或后续编辑链路未必全部支持。
视频点播为什么经常优先考虑 AAC
点播视频通常要面对手机、桌面浏览器、智能电视、机顶盒、编辑软件以及各种已有媒体基础设施。此时音频编码的首要问题往往是“能否稳定播放”,而不是单纯追求最低码率。AAC 由于长期进入常见媒体工作流,在 MP4 等视频分发链路中非常常见。
例如一套典型 VOD 流程可以把视频和 AAC 音频封装成 MP4,也可以进一步制作 HLS 等播放资源。对于需要覆盖较广终端、尽量减少额外播放器兼容处理的业务,AAC 往往更容易直接接入现有流程。
下面使用 FFmpeg 展示一个典型的 H.264 + AAC MP4 转码片段。准备包含视频和音频轨道的 input.mp4,并使用带 libx264 的 FFmpeg。下例选取第一条视频轨和第一条音轨,使用 AAC-LC。
ffmpeg -i "input.mp4" -map 0:v:0 -map 0:a:0 -c:v libx264 -crf 23 -c:a aac -profile:a aac_low -b:a 128k -movflags +faststart "output.mp4"
ffprobe -v error -show_entries stream=codec_type,codec_name,profile -of compact "output.mp4"ffprobe 应列出 h264 视频流和 aac 音频流,音频 profile 显示为 LC。128 kb/s 是音频编码的目标码率,实际码率随素材和编码器变化。
对于普通视频点播,AAC 的价值通常体现在整个媒体链路的确定性:编码、封装、播放器和终端之间已有大量成熟组合。若业务已经围绕 MP4、HLS 和广泛终端建立流水线,没有明确的低延迟或极低码率诉求时,继续使用 AAC 往往更符合工程现实。
哪些场景更适合 Opus
Opus 的优势更容易在低延迟、实时交互和现代 Web 音频场景中体现。例如语音聊天、在线会议、直播互动、浏览器端录音以及需要在较低码率下保持可用语音质量的场景,Opus 通常具有很强的适应性。
它支持从窄带语音到更宽频音频的多种模式。Opus 允许多种帧长,常见的 20 ms 帧长表示每帧覆盖 20 ms 音频。实测通话延迟还包括音频采集、编码器前瞻、分包、网络和抖动缓冲。因此,当业务真正关心“说话是否清楚”“网络变差时是否还能工作”“端到端延迟是否可控”时,Opus 的设计目标与问题本身更接近。
需要注意的是,Opus 并不意味着所有视频网站都应该替换 AAC。点播链路如果需要覆盖大量传统设备、旧播放器或已有媒体处理系统,Opus 的引入可能带来额外的兼容性验证和转码版本管理。
对于 Web 播放,还应把编码和容器一起看。Opus 常见于 WebM、Ogg 等组合,实际方案需要验证目标浏览器、播放器框架和分发协议对具体媒体组合的支持,而不能仅凭“浏览器支持 Opus”就直接下结论。
不要只比较一个码率
工程选型最容易出现的误区,是拿 AAC 128 kb/s 与 Opus 128 kb/s 做一次听感比较,然后直接决定生产方案。这样的比较忽略了业务内容和编码器参数。
语音、播客、游戏音效、电影配乐和音乐现场对编码器的压力不同。相同码率下,复杂音乐可能比单人语音更容易暴露压缩伪影;同样地,立体声、单声道、采样率和编码速度也会影响最终文件大小与听感。
更可靠的方法是先固定内容样本,再固定播放链路,最后比较目标指标。至少应观察以下几个维度:码率与文件体积、主观听感、弱网下的表现、播放启动时间、CPU 与硬件解码情况,以及目标设备的实际兼容性。
可取同一段有代表性的单人语音,固定为 48 kHz、单声道和 64 kb/s 目标码率,用带 libopus 的 FFmpeg 生成两个可盲听的样本。
ffmpeg -i "input.mp4" -map 0:a:0 -ac 1 -ar 48000 -c:a aac -profile:a aac_low -b:a 64k "compare.m4a"
ffmpeg -i "input.mp4" -map 0:a:0 -ac 1 -ar 48000 -c:a libopus -b:a 64k "compare.opus"盲听时统一播放音量,并记录实际文件大小。这个对照用于比较相同目标码率下的语音听感。播放兼容性仍应使用最终的封装、播放器和目标设备测试。
按业务场景做选择
可以把选择简化成两个问题:第一,目标终端和媒体生态是否要求很高的兼容覆盖;第二,业务是否明显依赖低延迟、实时通信或低码率传输。
| 业务场景 | 优先考虑 | 原因 |
|---|---|---|
| 广泛终端的视频点播 | AAC | 更适合成熟的消费级媒体链路 |
| MP4 视频文件与常见媒体工作流 | AAC | 封装、播放器和工具链组合常见 |
| 浏览器实时语音 | Opus | 面向实时音频和低延迟场景 |
| 在线会议、语音房 | Opus | 更贴近实时通信需求 |
| 低码率语音传输 | Opus | 对语音与低码率场景适应性强 |
| 已有成熟 AAC 转码与分发链路 | AAC | 迁移成本和兼容验证更低 |
| 明确要求现代 Web 音频能力 | Opus | 可与现代浏览器音频链路结合 |
如果业务同时覆盖点播和实时通信,没有必要强行让两类场景使用同一种编码。点播侧可以沿用 AAC,实时通信侧采用 Opus,关键是让播放器、转码服务和分发协议分别承担清晰的兼容职责。
转码系统应该怎么落地
生产环境更适合把编码选择写进“输出规格”,而不是散落在脚本参数里。例如先定义媒体策略,再根据终端和协议生成不同 rendition。这样未来增加新终端或新协议时,可以只扩展输出矩阵,而不需要重写整条转码流程。
一个简单的决策顺序是:先确定主要播放端,再确定封装与分发协议,然后确定音频内容类型和质量目标,最后才确定 AAC 或 Opus 以及具体码率。这样可以避免因为先选编码器,后面才发现播放器、容器或硬件链路不匹配。
对于混合业务,建议保留明确的兼容策略,例如“通用点播输出使用 AAC,实时音频输出使用 Opus”。实际发布前再用真实设备矩阵做验收,尤其检查电视端、旧设备、Safari 或其他特殊播放环境,以及播放器对具体容器的处理方式。
最终可以把判断压缩成一句工程规则:广泛兼容的传统视频点播优先看 AAC,低延迟和实时音频优先看 Opus;当两者都能满足需求时,再用实际设备矩阵、码率成本和现有媒体链路决定是否迁移。